2. JMP 基础操作：界面、数据表与统计摘要

在半导体良率分析中，JMP 是数据清洗与探索性分析的核心工具。本节将带你熟悉 JMP 的界面布局、数据表结构、列属性设置以及基础图表与统计摘要的生成方法。掌握这些基础操作，是后续进行数据清洗、异常值检测与良率建模的前提。

2.1 JMP 界面介绍

JMP 的界面设计以“数据驱动”为核心，主要分为以下几个功能区：

2.2 数据表结构与列属性设置

JMP 的数据表是分析的基础。每一列代表一个变量，每一行代表一个观测样本。在良率分析中，数据表通常包含晶圆 ID、测试参数、缺陷坐标、良率值等字段。

2.2.1 数据表结构

• 行 (Rows)：代表单个晶圆、芯片或测试单元。
• 列 (Columns)：代表变量，如测试参数、缺陷计数、分类标签。
• 元数据：列名、数据类型、建模类型、公式、值标签等。

2.2.2 列属性设置

正确设置列属性是保证分析准确性的关键。在 JMP 中，右键点击列名，选择“列属性”即可进行设置。

2.3 基本图表与统计摘要

JMP 提供了丰富的图形和统计摘要工具，用于快速了解数据分布、识别异常值和初步判断良率状况。

2.3.1 基本图表类型

2.3.2 统计摘要

JMP 的“分布”平台可以一键生成全面的统计摘要，包括：

• 集中趋势：均值、中位数、众数
• 离散程度：标准差、方差、极差、四分位距
• 分布形状：偏度、峰度
• 分位数：1%、5%、25%、75%、95%、99% 等
• 缺失值统计：缺失个数与百分比

2.4 实战案例：快速评估一批晶圆的良率

假设你刚导入一批晶圆的测试数据，包含“晶圆ID”、“测试参数A”、“测试参数B”和“良率”四列。按照以下步骤进行快速评估：

1. 检查列属性：确保“良率”为连续型，“晶圆ID”为名义型。
2. 运行分布分析：选择 分析 > 分布，将“良率”拖入 Y 列。
3. 解读输出：查看直方图是否呈正态分布；查看箱线图是否有异常值；查看统计摘要中的均值与标准差。
4. 生成 Pareto 图：如果数据包含缺陷分类，选择 图形 > Pareto 图，识别主要缺陷类型。
5. 保存脚本：右键点击报表窗口，选择“保存脚本” > “到数据表”，以便后续重复使用。